典型文献
基于ARIMA和LSTM的城市轨道交通客流量预测
文献摘要：
客流量预测是城市轨道交通网络研究的重要内容.在对地铁车站客流数据处理的基础上,建立了基于自回归移动平均模型(ARIMA)和长短期记忆(LSTM)的城市轨道交通客流预测模型,并比较了不同时间间隔下两种预测方法的准确率.结果表明,从时间粒度上看,ARIMA方法的日客流数据均方根误差比LSTM方法更小,预测效果更好;对于分时客流,结合ARIMA和LSTM可以提高准确率.研究可为客流管理、票价制定、列车组织安排等提供技术支持.
文献关键词：
时间序列数据;城市轨道交通;ARIMA LSTM;分时客流量;日客流量
中图分类号：
作者姓名：
潘念然
作者机构：
上海体育学院经济与管理学院,上海 200000
文献出处：
引用格式：
[1]潘念然-.基于ARIMA和LSTM的城市轨道交通客流量预测)[J].科学技术创新,2022(08):165-168
A类：
分时客流量
B类：
ARIMA,城市轨道交通客流量,客流量预测,城市轨道交通网络,地铁车站,流数据,自回归移动平均模型,长短期记忆,客流预测,时间间隔,隔下,时间粒度,票价制定,列车,车组,时间序列数据,日客流量
AB值：
0.258341
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
